🎁 新人 免费注册,送 10 次调用,最高 $1,免绑卡。

GPT Realtime 发布于 2025-08-28

OpenAI 邀请测试 realtime audio
输入$4/M
输出$16/M
音频输入$32/M
音频输出$64/M
缓存读取$0.4/M
知识截止2023-10

厂商牌价,无平台加价,按量付费。 以下为官方 list 价。登录客户可在 /console/pricing 查看含工作空间折扣的实际价格。 按 70% 缓存命中率计算的等效输入价:$1.48/M. 提示词超过最小长度后自动进行前缀缓存,无需改代码;缓存读取有折扣(当前模型最高 90%),且没有写入费。

30 秒用上 GPT Realtime

兼容 OpenAI Realtime:通过 WebSocket 连接,音频进、音频出。WS /v1/realtime

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime"
HEADERS = {"Authorization": "Bearer sk-syn-...", "OpenAI-Beta": "realtime=v1"}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) configure the speech-to-speech session
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {"modalities": ["audio", "text"], "voice": "alloy"},
        }))
        # 2) send input audio (base64 PCM16), then request a spoken reply
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        await ws.send(json.dumps({"type": "response.create"}))
        # 3) stream the model's audio (and text) back
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "response.audio.delta":
                play(base64.b64decode(ev["delta"]))   # audio out
            elif ev["type"] == "response.done":
                break

asyncio.run(main())

关于 GPT Realtime

单模型语音对语音,无转写链路
自然富表现力音频,支持函数调用
实时家族最初的 GA 快照

GPT Realtime 是 OpenAI 首个正式发布(GA)的实时模型:一款语音对语音(speech-to-speech)模型,由单一模型直接听懂语音并以自然、富有表现力的音频作答,无需串联独立的转写与合成模型。

  • 它提供 32K token 上下文窗口和 4,096 最大输出 token,支持面向语音智能体工作流的函数调用,接受音频或文本输入并输出音频与文本;音频与文本按各自的 token 单价计费,缓存输入享折扣。
  • 作为实时家族最初的 GA 快照,它持续可用。
  • Synthorai 通过 OpenAI 兼容的 /v1/realtime WebSocket 端点提供 GPT Realtime,官方 Realtime SDK 客户端无需修改即可接入。

规格与限制

最大输出(厂商规格)4,096
模态audio + text → audio + text
特性realtime · speech-to-speech
备注OpenAI's first general-availability realtime model (snapshot gpt-realtime-2025-08-28): native speech-to-speech with function calling; 32k context.
提示词缓存自动 · 最小前缀 1,024 token · TTL 5–10m, up to 1h

依据 OpenAI 官方文档 ↗

常见问题

GPT Realtime API 可以免费试用吗?

GPT Realtime 目前处于邀请测试阶段:需申请开通,而非开放注册。在 Synthorai 控制台提交申请,通过后即按标准量付费计费,无需订阅。

GPT Realtime 最擅长什么?

单模型语音对语音,无转写链路,以及自然富表现力音频,支持函数调用和实时家族最初的 GA 快照。完整能力请见 About 部分,内容取自厂商官方发布说明。

GPT Realtime 的价格是多少?

在 Synthorai 上,GPT Realtime 输入 $4/百万 token、输出 $16/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.4/M 计费。

如何调用 GPT Realtime API?

GPT Realtime 是语音对话(speech-to-speech)模型:通过 WebSocket 连接 wss://synthorai.io/v1/realtime?model=gpt-realtime,用 OpenAI Realtime SDK(或原生 WebSocket)即可,音频输入、音频输出。它不是 POST /v1/audio/transcriptions 文件上传接口。用你的 sk-syn key 鉴权,并镜像 OpenAI-Beta 头。

如何开通 GPT Realtime?

GPT Realtime 处于邀请测试阶段:在 Synthorai 控制台申请开通。审批通过后与其他模型用法一致:把 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "gpt-realtime" 即可。

相关模型

免费获取 API key 算算你的成本 →